Tensorflow 如何编写自定义keras层以对三维体积重新采样？

我在网络中有一个张量

（批量大小、高度、宽度、深度、通道）

（表示三维体积），需要重新采样。我正在考虑写一个自定义的keras层来实现这一点

input=input（）
x=网络（输入）#另一个网络
x=自定义重采样3d（…）（x）
x=。。。

net

的输出是

（批大小，64，64，1）

。我想使用插值将张量调整为

（批量大小，256，256，32，1）

因此，我最初的想法是使用

scipy.ndimage.interpolation.zoom

定制keras层

类MyLayer（层）：
定义初始值（自身、输出尺寸，**kwargs）：
self.output\u dim=output\u dim
超级（MyLayer，self）。\uuuuu初始化（**kwargs）
def构建（自我，输入_形状）：
super（MyLayer，self）。build（input#u shape）#最后一定要调用它
def呼叫（自我，x）：
返回scipy.ndimage.interpolation.zoom（x，…）
def计算输出形状（自身、输入形状）：
返回。。。

有没有更好的办法？或者我需要将

keras张量

转换为numpy数组，然后将其转换回张量吗